首页期刊导航|长春理工大学学报（自然科学版）
期刊信息/Journal information
长春理工大学学报（自然科学版）
长春理工大学学报（自然科学版）

于化东

季刊

1672-9870

custlxb@cust.edu.cn

0431-85582724

130022

长春市卫星路7089号

长春理工大学学报（自然科学版）/Journal Journal of Changchun University of Science and TechnologyCSTPCD
查看更多>>本学报是以光学技术为主，光机、电、算、材料、化工、生命等相结合的理工类综合性学术期刊，主要读者为高校师生及有关科研院所企事业前段时间的科技工作者。
正式出版
收录年代

    基于深度学习的胶质瘤IDH基因分型预测

    乔宝宝彭博戴亚康庞春颖...
    82-88页
    查看更多>>摘要：异柠檬酸脱氢酶(Isocitrate Dehydrogenase,IDH)基因突变是神经胶质瘤诊断与预后的重要生物指标,但当前临床检测该指标依赖昂贵的基因测序技术.针对以上情况,提出了基于深度学习的胶质瘤IDH基因自动分型方法.首先,该方法结合卷积神经网络与Transformer,利用已有胶质瘤IDH基因分型标签及其胶质瘤磁共振图像数据,训练初始分类网络;其次,进一步采用半监督学习方法,结合有、无IDH基因标签数据及其磁共振图像数据继续训练模型.实验结果表明,本方法提升了7%的分类精度,超越了其他经典算法和最新算法,为胶质瘤患者诊疗提供有力参考.

    异柠檬酸脱氢酶深度学习半监督学习磁共振图像

      原文链接:
    • 万方数据
    • 维普

    基于鲸鱼算法优化的BP神经网络的尿液成分浓度预测方法

    黄建邦于源华陈启梦唐春雨...
    89-98页
    查看更多>>摘要：针对尿液成分浓度实时分析精度低的问题,提出了一种颜色传感器结合WOA算法优化BP神经网络的预测方法.利用颜色传感器采集尿液试纸条上各试剂块的RGB值,并通过白平衡原理校准数据,利用Kubelka-Munk和Beer-Lambert定律构建反射光与浓度的关系.通过参数优化模型最小化目标函数以消除系统误差,基于最小二乘法建立色标卡颜色值与浓度的数学模型.采用WOA算法优化神经网络的权重和阈值,并使用大量数据训练BP神经网络对颜色值与浓度进行回归分析.实验结果表明,预测值与真实值的MAE为3.141 5,RMSE为4.328,R2 接近1,WOA-BP神经网络模型对尿液成分浓度预测具有高精度和准确性.

    尿液成分浓度颜色传感器鲸鱼算法BP神经网络

      原文链接:
    • 万方数据
    • 维普

    PPN:一个用于处理点云分类的网络

    朱唯一尹伟石孟品超苏成志...
    99-104页
    查看更多>>摘要：点云是三维空间中物体坐标点的集合,是一种能完整表达场景信息的重要数据格式,广泛应用于机器人、计算机视觉、自动驾驶等领域,而点云的有效分类是许多应用的前提.基于PointNet和DGCNN(Dynamic Graph CNN for learning on point clouds),提出一个用于处理点云分类的PPN(Prototypical Point Network)神经网络模型,在PPN的特征提取模块中,通过点云中点之间的距离关系生成更加精准的局部特征.通过对局部特征进行加权聚合,得到更有代表性的全局特征.在ModelNet40和ShapeNet Parts数据集上用PPN进行点云分类和分割实验,结果表明PPN在点云分类和分割任务中均取得较好的表现.

    点云分类点云分割深度学习卷积神经网络

      原文链接:
    • 万方数据
    • 维普

    DBAdam:一种具有动态边界的自适应梯度下降算法

    张帅刘曜齐姜志侠
    105-111页
    查看更多>>摘要：在神经网络中,梯度下降算法是优化网络权值阈值参数的核心部分,它在很大程度上影响着神经网络的性能.对于许多自适应算法,如AdaGrad、RMPprop、Adam等,虽然在训练前期收敛速度快,但它们的泛化性通常不如SGDM算法.为结合自适应算法和SGDM算法各自的优点,提出了DBAdam算法.通过利用梯度和学习率信息,构造了基于自适应学习率的动态上界函数和下界函数,将学习率约束在一个可控的范围内.这样使算法能够更好地适应不同参数的梯度变化,从而加快收敛速度.基于多种深度神经网络模型在三个基准数据集上对DBAdam算法进行实验,结果表明该算法的收敛性能较好.

    神经网络自适应算法SGDM算法收敛性

      原文链接:
    • 万方数据
    • 维普

    声源和障碍物联合反演问题研究

    王莎莎孟品超
    112-118页
    查看更多>>摘要：针对声源和障碍物联合反演问题,提出一种并行神经网络方法,同时重建声源的位置和障碍物的位置、形状参数.首先,将远场数据作为并行神经网络的输入序列,声源和障碍物的相关参数作为并行神经网络的输出序列;其次,构建一个特征提取模块,该模块包括GRU模块和Res模块,分别用于提取远场数据的相对位置特征和绝对位置特征;最后,将相对位置特征和绝对位置特征进行融合,通过参数反演模块将融合的特征数据与声源和障碍物的相关参数建立映射关系.数值实验表明了该方法的有效性.

    反散射问题远场数据并行神经网络特征融合

      原文链接:
    • 万方数据
    • 维普

    基于模糊聚类的超像素图像分割算法

    泰月许龙强
    119-125页
    查看更多>>摘要：针对传统的模糊聚类算法在图像分割时出现的信息保留不足和抗噪性差等问题,提出一种基于模糊聚类的超像素图像分割算法.该算法首先在全局范围利用抑制式模糊c均值聚类算法确定像素的所属分类,然后在局部范围利用简单线性迭代聚类算法融合图像中物体的边界信息,最后通过计算超像素分割网格划分下的均值隶属度完成图像分割.算法既保留模糊聚类的粗模块分割优势,又利用超像素提高对边界信息的融合能力,达到优化分割效果的目的.在数值实验部分,分别在人工合成图像和Berkeley数据集等真实图像上检测算法效果,验证了边界分割能力和抗图像噪点能力.

    图像分割模糊C均值聚类简单线性迭代聚类超像素分割

      原文链接:
    • 万方数据
    • 维普

    时域声波障碍反散射问题的神经网络方法

    刘一雄孟品超
    126-133页
    查看更多>>摘要：研究了一种求解时域声波移动障碍物反散射问题的神经网络方法.该方法由一维卷积模块和多头自注意力机制模块构成,其中一维卷积模块的特征提取能力有效捕捉散射数据的局部特征;多头自注意力机制模块的全局信息捕捉能力综合分析散射数据的全局特征,采用误差的反向传播进行训练,反演障碍物的运动轨迹.实验结果表明,该方法能有效反演移动障碍物的运动轨迹.

    时域声波反散射问题多头自注意力一维卷积前馈神经网络

      原文链接:
    • 万方数据
    • 维普

    基于Inspect投影的高维数据贝叶斯变点检验

    郭宇婷施三支张欣
    134-142页
    查看更多>>摘要：高维数据的多变点检验已经成为了一个热点问题.针对高斯噪声下的高维数据,提出了一种基于Inspect投影的贝叶斯变点检验方法.该方法利用Inspect投影,通过奇异值分解(SVD)计算最优投影方向,沿该方向将高维数据投影到一维空间,并通过引入贝叶斯先验信息,对降维后的数据进行变点检验.通过数值模拟,该方法在样本量n,维度p,变点的稀疏度k的不同设置下的检验结果均优于Inspect方法.最后将该方法应用到膀胱肿瘤患者微阵列数据集(ACGH)中.

    高维数据Inspect投影贝叶斯变点检验

      原文链接:
    • 万方数据
    • 维普